模糊操作基本原理：

1. 基於離散卷積
2. 定義好每個卷積核
3. 不同卷積核得到不同的卷積效果
4. 模糊是卷積的一種表象

程式碼層面知識點

1. 均值模糊
2. 中值模糊
3. 自定義模糊
4. 意義與應用場合

----------------------------------------------------------------

卷積

均值模糊

此程式碼與上文無關…

def blur_image(image):                       #均值模糊
        cv.imshow('fruit'
 
, image)
        dst = cv.blur(image, (20,15))        #選取一個20×15 卷積核
        cv.imshow('blurred', dst)

中值模糊

中值模糊就是用與卷積框對應畫素的中值來替代中心畫素的值。中值模糊常用於去除椒鹽噪聲。
均值模糊是用計算得到的一個新值來取代中心畫素的值，而中值模糊是用中心畫素周圍（或其自身）的值來取代它。

    def median_blur(image):
        cv.imshow('fruit', image)
        dst = cv.medianBlur(
 
image, 5)
        cv.imshow('median_blur', dst)

自定義模糊/銳化

自定義模糊：

def custom_blur(image):
        cv.imshow('image', image)
        kernel1 = np.ones((5,5), np.float)/25
        dst = cv.filter2D(image, -1, kernel1)
        cv.imshow('blurred', dst)

自定義銳化：

def custom_blur(image):
        cv.
 
imshow('image', image)
        kernel1 = np.array(((0,-1,0), (-1,5,-1), (0,-1,0)), np.float)   
        dst = cv.filter2D(image, -1, kernel1)
        cv.imshow('blurred', dst)

filter2D(src,ddepth,kernel)：

經試驗，在三維矩陣當中，卷積核為((0,-1,0), (-1,5,-1), (0,-1,0)) 的效果最為理想

高斯模糊

將卷積核換成高斯核（方框不變，將原來每個方框的相等的值替換成符合高斯分佈的新值，其方框中心的值最大，其餘值根據其距離中心的距離遞減）
其與均值模糊最大不同在於，雖然圖片模糊化，但其基本輪廓可見

src = cv.imread('/home/pi/Desktop/apple.jpg')
dst = cv.GaussianBlur(src, (0,0), 15)
cv.imshow('GaussianBlur', dst)

------------------------------------------------------------------

利用模糊給圖片打碼：

def cut(image):
        cut = image[300:384, 250:340]
        return cut


def blur(image):
        blur = cv.blur(image, (50,50))
        return blur


def connect(image):
        image[300:384, 250:340] = blur(cut(image))
        cv.imshow('result', image)


src = cv.imread('/home/pi/Desktop/woman.jpg')
cv.imshow('image', src)
connect(src)